Caso de uso
Trazabilidad vehicular y peatonal con visión artificial y LiDAR
Resumen
¿Cómo gestionar la congestión de camiones en un mercado mayorista sin instalar dispositivos en los vehículos ni alterar su operativa diaria? Seevia combina cámaras y sensores LiDAR para seguir cada vehículo desde su entrada hasta su salida, detectar colas y ocupación indebida, y recomendar accesos o rutas alternativas.
Problema
- Saturación de accesos en horas punta: la operativa diaria generaba colas descoordinadas que se extendían a otras vías internas, provocando retrasos en cascada.
- Gestión del tráfico basada en información fragmentada: la supervisión se realizaba mediante observación manual, sin sistemas que permitieran seguir automáticamente los recorridos de los vehículos.
- Falta de visibilidad sobre patrones de uso: no existían herramientas para entender cómo se utilizaba el espacio ni identificar con precisión los puntos críticos.
- Imposibilidad de detectar cuellos de botella reales: la ausencia de datos georreferenciados impedía saber qué viales, rotondas o zonas de espera concentraban los problemas.
- Toma de decisiones con datos incompletos: la planificación de la movilidad interna se basaba en información parcial, sin capacidad de reacción en tiempo real ante picos o incidencias.
- Impacto operativo y económico: se generaban tiempos muertos en accesos y zonas de carga/descarga, mayor desgaste de infraestructuras y aumento de costes sin claridad sobre prioridades de actuación.
Solución
- Trazabilidad vehicular automatizada: permitió identificar, seguir y analizar en tiempo real el recorrido de cada vehículo desde su entrada hasta su salida, sin necesidad de sensores a bordo.
- Sensores distribuidos en accesos y puntos críticos: facilitó la captura continua de datos mediante cámaras y LiDAR, detectando colas, maniobras irregulares, ocupaciones indebidas y densidad por carril o zona.
- Clasificación avanzada de vehículos y mercancías: automatizó la detección de matrículas y la lectura de códigos BIC/IMO, diferenciando tipos de vehículo y flujos de transporte.
- Analítica en tiempo real y modelos predictivos: permitió generar indicadores sobre tiempos de permanencia, longitud de colas y patrones históricos, anticipando episodios de congestión y proponiendo rutas alternativas.
- Panel operativo unificado para gestores: permitió visualizar la operativa mediante dashboards con mapas de calor, alertas, histogramas de uso de carriles y trazabilidad completa.
- Recomendaciones dinámicas para usuarios: permitió ofrecer a transportistas y operadores sugerencias de acceso, rutas alternativas y zonas de estacionamiento, reduciendo tiempos de espera.
- Arquitectura por fases y baja intrusión: facilitó un despliegue gradual reutilizando infraestructuras existentes e integrándose con sistemas de cobro, logística y seguridad.
Modelo de despliegue
Región de alojamiento de datos
Modelo de venta
Análisis del encaje GovTech
Aplicaciones reales
Nº de aplicaciones
1
CPVs
Solución desarrollada por
Heading
Seevia, spin-off de la Universidad Carlos III de Madrid, desarrolla sistemas de percepción con inteligencia artificial para ciudades, automoción e industria. Su tecnología está en producción en el servicio de limpieza del Ayuntamiento de Madrid a través de FCC Medio Ambiente, donde los vehículos de inspección detectan residuos fuera de los contenedores y han reducido más de un 50% el tiempo de actuación.
Su valor diferencial está en resolver la falta de información continua sobre el estado de la calle: saber qué contenedor desborda, qué señal está deteriorada o cómo se usa un aparcamiento exige hoy inspecciones a pie o esperar al aviso vecinal. Seevia convierte los vehículos que ya recorren la ciudad y las cámaras de la vía pública en inspectores permanentes que detectan, localizan y registran cada incidencia. Para los servicios urbanos de un ayuntamiento, esto supone actuar antes de que llegue la queja y dimensionar cada servicio con datos reales.